GWAS分析中如何使用PCA校正群體分層

小編給大家分享一下GWAS分析中如何使用PCA校正群體分層，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

GWAS通過分析case/control組之間的差異來尋找與疾病關聯的SNP位點，然而case和control兩組之間，可能本身就存在一定的差異，會影響關聯分析的檢測。

Population stratification,稱之為群體分層，是最常見的差異來源，指的是case/control組的樣本來自于不同的祖先群體，其分型結果自然是有差異的。GWAS分析的目的是尋找由于疾病導致的差異，其他的差異都屬于系統誤差，在進行分析時，需要進行校正。

對于群體分層的校正，通常采主成分分析的方法，即PCA, 對應的文章發表在nature genetics上，鏈接如下

https://www.nature.com/articles/ng1847

核心處理如下圖所示

對分型結果對應的矩陣進行PCA分析，該矩陣中行為SNP位點，列為樣本，分型結果為0,1,2。0表示沒有突變，1表示雜合突變，2表示純合突變。PCA分析之后，可以得到每個樣本在PC1,PC2等主成分軸上對應的位置。

PCA本質屬于排序分析，距離近的樣本擁有相似的屬性，根據PCA之后得到的位置信息，可以繪制如下所示的散點圖

上圖中每個點代表一個樣本，繪圖使用的信息就是這些樣本在PC1和PC2兩個軸上的位置。這樣的散點圖可以直觀展示樣本的分層情況，對于顯著偏離總體的部分樣本，可以去除之后在重新進行分析。在后續進行GWAS分析時，這些PC軸上的位置信息可以作為回歸分析中的協變量，進行校正。

文章中將針對分型結果進行PCA分析的功能打包成了一個軟件，名字為EIGENSTRAT, github的網址如下

https://github.com/chrchang/eigensoft/tree/master/EIGENSTRAT

該軟件支持自動去除離群值樣本，顯示主成分的占比等很多功能，缺點就是執行速度比較慢。對于GWAS中的PCA而言，核心的信息其實就是樣本在各個主成分軸上的位置信息，我們需要這些信息來進行后續的校正。

面對GWAS規模的分型結果，運行速度是非常重要的一個因素。為此，實踐中常常采用以下兩款軟件

1. plink

用法如下

plink  \
--bfile sample \
--pca --out pca

2. GCTA

用法如下

gcta64 \
--bfile sample \
--make-grm \
--thread-num 5 \
--out gcta

gcta64 \
--grm gcta \
--pca 20 \
--thread-num 5 \
--out pca

二者輸出結果雖然不是完全相同，但是分布的趨勢是一致的。不同之處在于，GCTA支持多線程，運行速度更快。輸出結果有多個文件，核心是一個后綴為eigenvec的文件，該文件保存了樣本在各個主成分軸上的位置信息，可以用于后續的校正。

這兩個軟件運行速度快，但是有個缺點就是不會輸出各個主成分的占比，如果想要這個信息，可以考慮類似功能的R包，比如vcfR,SNPRelate,bigsnpr等。

以上是“GWAS分析中如何使用PCA校正群體分層”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！